人机耦合效果怎么评估？别把初筛、转接和成交混成一个指标

为什么不能只看"转人工数量"

AI 先呼出并筛选咨询意向：没有意向的用户不进入人工承接，有意向的用户转给呼叫中心，由人工再判断并标注。

在这个过程中，请求转接、坐席接通、有效沟通、人工标注和后续成交是五个不同事件。每个事件都有各自的统计意义，把它们合并成一个"成功率"，就会掩盖真实问题——比如转接量很大但人工接不起来，或者接起来了却没有一个真正有意向。请求转接、坐席接通、有效沟通、人工标注和后续成交是不同事件。建议先定义各事件和统计窗口，再计算比率。

建议先定义各事件的含义和统计窗口（例如按发送日统计，还是按通话后 24 小时统计），再计算比率。口径先定清楚，后面的数字才对得上。

怎样建立可复核的样本

建议同时抽取两组通话，由业务人员按同一口径复核：

● AI 判断为有意向的通话

● AI 判断为无意向后被排除的通话

只复核第一组，看不到被漏掉的真实意向；两组都看，才能判断 AI 的判断到底准不准。对复核意见不一致的样本，先讨论标签定义，而不是先争论结果。

还有一点容易被忽略：如果两组分别抽样、且抽样比例不同，那么复核结果只描述这批样本本身，不能代表整批任务的整体效果。展示样本时也建议保持完整：不要只展示最顺利的通话，也不宜把某一天的样本比例当成所有客户的效果。因此建议保留下面这些信息：

复盘时，如何定位问题所在

不同环节的异常，指向不同的原因。建议按下面的对应关系逐项排查，而不是笼统地归为"效果不好"。排查时也建议先挑一条有明确编号的样本，沿同一条链路逐环节核对，比同时看多个汇总数字更容易找到原因。

质量复盘要同时看误转与漏判

评估 AI 判断质量，只看"转了多少"是不够的，还要看另外两件事：误转（判断有意向、实际没有）和漏判（判断没意向、实际有）。前者浪费人工时间，后者直接损失线索。

同时，人工投入也要一并纳入观察：同一个周期内，人工有效咨询量与坐席工时放在一起看，并结合等待、话后处理和复核投入综合比较，才能判断这批任务到底划不划算。